基于主动安全报警数据的客运车辆驾驶风险源识别方法

本申请属于车辆驾驶风险源识别领域，具体是一种基于主动安全报警数据的客运车辆驾驶风险源识别方法。

背景技术：

1、客运车辆的驾驶风险受到交通管理部门及道路运输企业的关注，驾驶员在交通安全“人-车-路-环境”要素中处于核心地位，围绕驾驶员的行为特征及风险特性识别驾驶风险的方法已有不少。

2、1)利用驾驶行为问卷的方法，实现驾驶人员的风险画像，主要步骤：

3、设计驾驶行为与驾驶风险的调查问卷；

4、筛选问卷群体，分发调查问卷；

5、收集调查问卷的反馈；

6、使用统计学方法分析驾驶人员对驾驶风险的态度；

7、2)利用轨迹数据提取驾驶行为，并划分驾驶风格，主要步骤：

8、收集相关车辆的运行轨迹数据；

9、利用时间、速度、里程、方向等参数计算加速度、转向角幅度等驾驶特征；

10、根据驾驶特征进行归类分析，划分鲁莽型、稳健型、谨慎型等驾驶风格；

11、3)利用交通事故数据,构建安全驾驶检测模型,主要步骤：

12、收集道路交通事故数据；

13、利用nlp等模型分析交通事故报告提取驾驶行为相关的关键词；

14、根据驾驶行为关键词的出行频次建立风险模型。

15、上述方法从不同角度对驾驶风险进行了刻画，对驾驶安全进行了适当的研究，然而，由于并未对驾驶行为的显著性影响因素进行探讨，未能解析驾驶行为与驾驶风险之间的作用关系，无法度量不同的驾驶行为对驾驶风险的贡献程度。

16、从数据源的角度来看，目前方法主要还是利用问卷调查、交通事故、车辆轨迹数据进行驾驶风险源识别。其中问卷调查具有容易量化、处理方便的优点，广泛应用于交通安全的研究，但受限于被调查者的理解程度及专注力不同，调查问卷也存在误差的可能。利用交通事故数据研究交通安全问题是常见方法，主要侧重于宏观层面风险因素的评价，但宏观的风险因素与微观的驾驶行为缺乏联系，且事故数据非常难以收集。车辆轨迹数据的采集对驾驶员没有干扰，样本量大，处理简单，但是车辆轨迹数据无法反映车辆的运行环境信息。

技术实现思路

1、为了克服上述现有技术存在的缺陷，本发明提供了一种基于主动安全报警数据的客运车辆驾驶风险源识别方法，围绕驾驶员的行为特征及其风险表现分别设计驾驶风险、违规驾驶、不良驾驶、工作倦怠等4个潜变量(维度)；使用主动安全系统(adas、dsm)数据及车辆轨迹数据提取驾驶行为及驾驶风险指标；利用结构方程模型，求解驾驶行为与驾驶风险的相互作用系数；根据驾驶行为与驾驶风险的相互作用系数，设计换算函数计算不同驾驶行为对驾驶风险的贡献程度。

2、本发明的目的可以通过以下技术方案来实现：

3、基于主动安全报警数据的客运车辆驾驶风险源识别方法，包括步骤：

4、步骤1：围绕驾驶员的行为特征及其风险表现分别设计多种潜变量；

5、步骤2：基于主动安全系统预警数据、车辆轨迹数据定义潜变量的测量指标；

6、步骤3：构建客运车辆驾驶风险结构方程模型；

7、步骤4：利用车辆运行数据拟合步骤3中的驾驶风险结构方程模型求解路径系数及因子载荷；

8、步骤5：根据路径系数及因子载荷确定各个风险因素的贡献权重，依据风险权重识别风险源。

9、步骤1具体为：驾驶员的行为一般分为违规驾驶、不良驾驶、工作倦怠，其中：违规驾驶是指违反交通法律法规的行为；不良驾驶一般是指法律法规没有明确定义，但是危害交通安全的驾驶行为；工作倦怠主要是指驾驶员的工作压力，一般表现为驾驶时长、行驶里程等参数。驾驶风险主要是车辆运行过程中，感知运行环境中危及行驶安全的风险事件。

10、步骤2具体为：主动安全系统主要由adas、dsm模块组成，其中adas可以生成驾驶风险报警，dsm可以监测驾驶员的工作状态触发不良驾驶报警，上述主动安全系统的报警数据分别可以作为驾驶风险、不良驾驶的测量指标。利用车辆轨迹数据可以提取出违规驾驶行为和驾驶员工作倦怠的测量指标。

11、步骤3具体为：根据先前设计的潜变量和定义的测量变量，利用sem结构方程构建驾驶风险结构方程模型，求解潜变量之间的相互关系以及测量指标的作用。

12、步骤4具体为：利用客运车辆的运行产生的主动安全数据、车辆轨迹数据作为分析样本，进行统计计算求得各测量指标数据，利用测量指标数据拟合驾驶风险结构方程模型，求解潜变量路径系数及测量指标的因子载荷。

13、上述步骤5具体为：根据潜变量的路径系数及测量指标的因子载荷，换算各测量指标的权重系数，即驾驶行为对驾驶风险的贡献程度。

14、与现有技术相比，本申请具有如下优点和有益效果：

15、1)以往的驾驶风险源识别方法主要从单一角度对驾驶安全进行适当的探索，风险识别方法以直接累加或是聚类为主，并未分析各因素对驾驶风险的显著性影响以及因素间的作用机制。本发明从违规驾驶、不良驾驶、工作倦怠多个维度分析驾驶风险，并分析了各个维度之间的路径系数以及各风险因素的权重系数，利用各因素的风险权重识别驾驶风险更加科学合理，也为客运车辆驾驶风险的精细化干预提供理论依据。

16、2)以往的研究主要使用调查问卷、事故数据、车辆轨迹等传统手段识别风险，都存在一些不足，其中调查问卷的人为误差难以避免、客运车辆的事故样本太少、车辆轨迹数据无法体现车辆运行环境的风险信息。本发明利用主动安全系统的报警数据、车辆的轨迹数据，整合了车辆运行环境的风险信息、驾驶员生理状态表现、车辆驾驶行为数据，丰富了驾驶风险识别的数据维度，建立了较为全面的风险源数据体系。

17、3)本发明利用结构方程构建了驾驶风险的求解模型，该模型支持不断重载拟合数据样本，能够根据整体车辆数据的变化，不断更新各风险因数的权重系数及风险源，具有较强的实时性。

技术特征：

1.基于主动安全报警数据的客运车辆驾驶风险源识别方法，其特征在于，包括步骤：

2.如权利要求1所述的方法，其特征在于，所述步骤s1：

3.如权利要求1所述的方法，其特征在于，所述步骤s2：

4.如权利要求1所述的方法，其特征在于，所述步骤s3：

5.如权利要求1所述的方法，其特征在于，所述步骤s4：

6.如权利要求1所述的方法，其特征在于，所述步骤s5：

技术总结
本申请提出了基于主动安全报警数据的客运车辆驾驶风险源识别方法，包括步骤：围绕驾驶员的行为特征及其风险表现分别设计多种潜变量；基于主动安全系统预警数据、车辆轨迹数据定义潜变量的测量指标；构建客运车辆驾驶风险结构方程模型；利用车辆运行数据拟合模型求解路径系数及因子载荷；根据路径系数及因子载荷确定各个风险因素的贡献权重，依据风险权重识别风险源。本发明丰富了驾驶风险识别的数据维度，建立了较为全面的风险源数据体系；利用各因素的风险权重识别驾驶风险更加科学合理，也为客运车辆驾驶风险的精细化干预提供理论依据；打破简单粗放的风险源识别模式，更加科学合理的评估客运车辆的驾驶风险；具有较强的实时性。

技术研发人员：李林波,王万亮,高华健
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/9/29